《表4 B1电池和B2电池的RUL预测结果δRMSE值》
由表中电池B1和B2的δRMSE值可知,在相同的预测起始点下,WKELM-NGWO算法的δRMSE误差低于WKELM和NGWO算法,这意味着基于融合算法WKELM-NGWO的医疗电子设备锂电池RUL预测曲线更接近电池的退化曲线,进一步验证了融合算法WKELM-NGWO即改进灰狼算法的医疗电子设备锂电池RUL预测精度更高,可靠性更强。WKELM-NGWO算法预测结果与医疗电子设备锂电池真实的退化趋势曲线相同,表明融合算法增强了对不同数据的适应能力,既克服了小波核极限学习机(WKELM)学习速度慢、结构不稳定的问题,也克服了小生境灰狼算法(NGWO)求解精度低、收敛速度慢从而导致跳不出局部最优解的问题。
图表编号 | XD0053709300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.25 |
作者 | 何成、刘长春、武洋、吴涛、陈童 |
绘制单位 | 上海第二工业大学环境与材料工程学院、上海第二工业大学环境与材料工程学院、上海第二工业大学环境与材料工程学院、上海市第一人民医院 |
更多格式 | 高清、无水印(增值服务) |